数据 - 多个时间框架
原文：
www.backtrader.com/blog/posts/2015-08-24-data-multitimeframe/data-multitimeframe/
有时，使用不同的时间框架进行投资决策：
- 周线用于评估趋势
- 每日执行进入
或者 5 分钟对比 60 分钟。
这意味着在 backtrader 中需要组合多个时间框架的数据以支持这样的组合。
本地支持已经内置。最终用户只需遵循以下规则：
- 具有最小时间框架的数据（因此是较大数量的条）必须是添加到 Cerebro 实例的第一个数据
- 数据必须正确地对齐日期时间，以便平台能够理解它们的任何含义
此外，最终用户可以自由地在较短/较大的时间框架上应用指标。当然：
- 应用于较大时间框架的指标将产生较少的条
平台也将考虑以下内容
- 较大时间框架的最小周期
最小周期可能会导致在策略添加到 Cerebro 之前需要消耗几个数量级的较小时间框架的数据。
内置的DataResampler将用于创建较大的时间框架。
一些示例如下，但首先是测试脚本的来源。
# Load the Data datapath = args.dataname or '../datas/sample/2006-day-001.txt' data = btfeeds.BacktraderCSVData( dataname=datapath) tframes = dict( daily=bt.TimeFrame.Days, weekly=bt.TimeFrame.Weeks, monthly=bt.TimeFrame.Months) # Handy dictionary for the argument timeframe conversion # Resample the data if args.noresample: datapath = args.dataname2 or '../datas/sample/2006-week-001.txt' data2 = btfeeds.BacktraderCSVData( dataname=datapath) else: data2 = bt.DataResampler( dataname=data, timeframe=tframes[args.timeframe], compression=args.compression)
步骤：
- 加载数据
- 根据用户指定的参数重新采样它
脚本还允许加载第二个数据 - 将数据添加到 cerebro
- 将重新采样的数据（较大的时间框架）添加到 cerebro
- 运行
示例 1 - 每日和每周
脚本的调用：
$ ./data-multitimeframe.py --timeframe weekly --compression 1
和输出图表：
示例 2 - 日间和日间压缩（2 根变成 1 根）
脚本的调用：
$ ./data-multitimeframe.py --timeframe daily --compression 2
和输出图表：
示例 3 - 带有 SMA 的策略
虽然绘图很好，但这里的关键问题是显示较大的时间框架如何影响系统，特别是当涉及到起始点时
脚本可以采用--indicators来添加一个策略，该策略在较小时间框架和较大时间框架的数据上创建10 周期的简单移动平均线。
如果只考虑较小的时间框架：
next将在 10 个条之后首先被调用，这是简单移动平均需要产生值的时间
注意
请记住，策略监视创建的指标，并且只有在所有指标都产生值时才调用next。理由是最终用户已经添加了指标以在逻辑中使用它们，因此如果指标尚未产生值，则不应进行任何逻辑
但在这种情况下，较大的时间框架（每周）会延迟调用next，直到每周数据的简单移动平均产生值为止，这需要… 10 周。
脚本覆盖了nextstart，它只被调用一次，默认调用next以显示首次调用的时间。
调用 1：
只有较小的时间框架，即每日，才有一个简单移动平均值。
命令行和输出
$ ./data-multitimeframe.py --timeframe weekly --compression 1 --indicators --onlydaily -------------------------------------------------- nextstart called with len 10 --------------------------------------------------
以及图表。
调用 2：
两个时间框架都有一个简单移动平均。
命令行：
$ ./data-multitimeframe.py --timeframe weekly --compression 1 --indicators -------------------------------------------------- nextstart called with len 50 -------------------------------------------------- -------------------------------------------------- nextstart called with len 51 -------------------------------------------------- -------------------------------------------------- nextstart called with len 52 -------------------------------------------------- -------------------------------------------------- nextstart called with len 53 -------------------------------------------------- -------------------------------------------------- nextstart called with len 54 --------------------------------------------------
注意这里的两件事：
- 不是在10个周期之后被调用，而是在 50 个周期之后第一次被调用。
这是因为在较大（周）时间框架上应用简单移动平均值后产生了一个值，… 这是 10 周* 5 天/周… 50 天。 nextstart被调用了 5 次，而不是仅 1 次。
这是将时间框架混合并（在这种情况下仅有一个）指标应用于较大时间框架的自然副作用。
较大时间框架的简单移动平均值在消耗 5 个日间条时产生 5 倍相同的值。
由于周期的开始由较大的时间框架控制，nextstart被调用了 5 次。
以及图表。
结论
多时间框架数据可以在backtrader中使用，无需特殊对象或调整：只需先添加较小的时间框架。
测试脚本。
from __future__ import (absolute_import, division, print_function, unicode_literals) import argparse import backtrader as bt import backtrader.feeds as btfeeds import backtrader.indicators as btind class SMAStrategy(bt.Strategy): params = ( ('period', 10), ('onlydaily', False), ) def __init__(self): self.sma_small_tf = btind.SMA(self.data, period=self.p.period) if not self.p.onlydaily: self.sma_large_tf = btind.SMA(self.data1, period=self.p.period) def nextstart(self): print('--------------------------------------------------') print('nextstart called with len', len(self)) print('--------------------------------------------------') super(SMAStrategy, self).nextstart() def runstrat(): args = parse_args() # Create a cerebro entity cerebro = bt.Cerebro(stdstats=False) # Add a strategy if not args.indicators: cerebro.addstrategy(bt.Strategy) else: cerebro.addstrategy( SMAStrategy, # args for the strategy period=args.period, onlydaily=args.onlydaily, ) # Load the Data datapath = args.dataname or '../datas/sample/2006-day-001.txt' data = btfeeds.BacktraderCSVData( dataname=datapath) tframes = dict( daily=bt.TimeFrame.Days, weekly=bt.TimeFrame.Weeks, monthly=bt.TimeFrame.Months) # Handy dictionary for the argument timeframe conversion # Resample the data if args.noresample: datapath = args.dataname2 or '../datas/sample/2006-week-001.txt' data2 = btfeeds.BacktraderCSVData( dataname=datapath) else: data2 = bt.DataResampler( dataname=data, timeframe=tframes[args.timeframe], compression=args.compression) # First add the original data - smaller timeframe cerebro.adddata(data) # And then the large timeframe cerebro.adddata(data2) # Run over everything cerebro.run() # Plot the result cerebro.plot(style='bar') def parse_args(): parser = argparse.ArgumentParser( description='Pandas test script') parser.add_argument('--dataname', default='', required=False, help='File Data to Load') parser.add_argument('--dataname2', default='', required=False, help='Larger timeframe file to load') parser.add_argument('--noresample', action='store_true', help='Do not resample, rather load larger timeframe') parser.add_argument('--timeframe', default='weekly', required=False, choices=['daily', 'weekly', 'monhtly'], help='Timeframe to resample to') parser.add_argument('--compression', default=1, required=False, type=int, help='Compress n bars into 1') parser.add_argument('--indicators', action='store_true', help='Wether to apply Strategy with indicators') parser.add_argument('--onlydaily', action='store_true', help='Indicator only to be applied to daily timeframe') parser.add_argument('--period', default=10, required=False, type=int, help='Period to apply to indicator') return parser.parse_args() if __name__ == '__main__': runstrat()
数据重新取样
原文：
www.backtrader.com/blog/posts/2015-08-23-data-resampling/data-resampling/
当数据仅在一个时间段可用，而分析必须针对不同的时间段进行时，就是时候进行一些重新取样了。
“重新取样”实际上应该称为“向上取样”，因为要从一个源时间段转换到一个较大的时间段（例如：从天到周）
“向下采样”目前还不可能。
backtrader 通过将原始数据传递给一个智能命名为 DataResampler 的过滤器对象来支持重新取样。
该类具有两个功能：
- 更改时间框架
- 压缩条柱
为此，DataResampler 在构造过程中使用标准的 feed.DataBase 参数：
timeframe（默认：bt.TimeFrame.Days）
目标时间段必须与源时间段相等或更大才能有用compression（默认：1）
将所选值 “n” 压缩到 1 条柱
让我们看一个从每日到每周的手工脚本示例：
$ ./data-resampling.py --timeframe weekly --compression 1
输出结果：
我们可以将其与原始每日数据进行比较：
$ ./data-resampling.py --timeframe daily --compression 1
输出结果：
这是通过执行以下步骤来完成的魔术：
- 像往常一样加载数据
- 将数据馈送到具有所需的
DataResampler中
- 时间框架
- 压缩
示例代码（底部的整个脚本）。
# Load the Data datapath = args.dataname or '../datas/sample/2006-day-001.txt' data = btfeeds.BacktraderCSVData( dataname=datapath) # Handy dictionary for the argument timeframe conversion tframes = dict( daily=bt.TimeFrame.Days, weekly=bt.TimeFrame.Weeks, monthly=bt.TimeFrame.Months) # Resample the data data_resampled = bt.DataResampler( dataname=data, timeframe=tframes[args.timeframe], compression=args.compression) # Add the resample data instead of the original cerebro.adddata(data_resampled)
最后一个例子中，我们首先将时间框架从每日更改为每周，然后应用 3 到 1 的压缩：
$ ./data-resampling.py --timeframe weekly --compression 3
输出结果：
从原始的 256 个每日条柱变为 18 个 3 周条柱。具体情况如下：
- 52 周
- 52 / 3 = 17.33 因此为 18 条柱
这不需要太多。当然，分钟数据也可以进行重新取样。
重新取样测试脚本的示例代码。
from __future__ import (absolute_import, division, print_function, unicode_literals) import argparse import backtrader as bt import backtrader.feeds as btfeeds def runstrat(): args = parse_args() # Create a cerebro entity cerebro = bt.Cerebro(stdstats=False) # Add a strategy cerebro.addstrategy(bt.Strategy) # Load the Data datapath = args.dataname or '../datas/sample/2006-day-001.txt' data = btfeeds.BacktraderCSVData( dataname=datapath) # Handy dictionary for the argument timeframe conversion tframes = dict( daily=bt.TimeFrame.Days, weekly=bt.TimeFrame.Weeks, monthly=bt.TimeFrame.Months) # Resample the data data_resampled = bt.DataResampler( dataname=data, timeframe=tframes[args.timeframe], compression=args.compression) # Add the resample data instead of the original cerebro.adddata(data_resampled) # Run over everything cerebro.run() # Plot the result cerebro.plot(style='bar') def parse_args(): parser = argparse.ArgumentParser( description='Pandas test script') parser.add_argument('--dataname', default='', required=False, help='File Data to Load') parser.add_argument('--timeframe', default='weekly', required=False, choices=['daily', 'weekly', 'monhtly'], help='Timeframe to resample to') parser.add_argument('--compression', default=1, required=False, type=int, help='Compress n bars into 1') return parser.parse_args() if __name__ == '__main__': runstrat()
BackTrader 中文文档（二十七）（2）https://developer.aliyun.com/article/1505478
